युनिट्स
1. एअरक्राफ्ट मेंटेनन्स आणि एव्हीओनिक्समधील कृत्रिम बुद्धिमत्तेचा परिचय: भूमिका, सीमा, पडताळणी आणि सुरक्षा-गंभीर तत्त्व 2. मेंटेनन्स रेकॉर्डिंग आणि ट्रबलशूटिंग: PIREP, एरर कोड आणि ट्रबलशूटिंग 3. श्वेतपत्रिका आणि मॅन्युअल स्कॅन: AMM, IPC, SB, AD आणि सत्यापन 4. प्रेडिक्टिव मेंटेनन्स आणि सेन्सर डेटा: ट्रेंड, प्रोग्नोस्टिक्स आणि HUMS 5. एव्हियोनिक्स सिस्टम्स आणि फॉल्ट आयसोलेशन: BITE, केबलिंग आणि सॉफ्टवेअर 6. कार्य क्रम, नियोजन आणि कार्यबल: टास्क कार्ड पासून CRS पर्यंत 7. अनुरूपता, प्रमाणन आणि नियमन: वायुयोग्यतेचा कायदा 8. भाग, यादी आणि पुरवठा साखळी: शोधण्यायोग्यता आणि बनावट भाग जोखीम 9. गुणवत्ता, सुरक्षा व्यवस्थापन आणि मानवी घटक: एसएमएस आणि डर्टी डझन 10. व्हिज्युअल तपासणी, एनडीटी आणि संगणक दृष्टी: डोळ्यांचा भार सामायिक करणे 11. एंड-टू-एंड देखभाल प्रकरण: एकीकरण, सीमा, गोपनीयता आणि भविष्य
युनिट 10 / 11

व्हिज्युअल तपासणी, एनडीटी आणि संगणक दृष्टी: डोळ्यांचा भार सामायिक करणे

नफा:

  • व्हिज्युअल तपासणी आणि NDT पद्धती समजून घेण्याची क्षमता आणि मोठ्या पृष्ठभागाच्या पूर्व-स्क्रीनिंग आणि लक्ष मार्गदर्शक म्हणून संगणक दृष्टी वापरणे.
  • संबंधित/गैर-संबंधित आणि संकेताचा स्वीकार/नाकार यातील फरक प्रमाणित परीक्षक आणि मर्यादा दस्तऐवज यांच्या मालकीचा आहे हे लागू करण्याची क्षमता.
  • खोट्या निगेटिव्ह आणि पॉझिटिव्हचे धोके समजून घेण्याची क्षमता आणि 'सिस्टम क्लीन म्हणाली' सह परीक्षा समाप्त न करण्याची क्षमता

बहुतेक काळजी डोळ्यांपासून सुरू होते. एक क्रॅक, एक गंज स्पॉट, एक सैल फास्टनर, गळतीचा ट्रेस — बहुतेक दोष प्रथम दृश्य तपासणीद्वारे पकडले जातात. आधुनिक विमानचालनात, या डोळ्याला आता संगणक दृष्टी (आर्टिफिशियल इंटेलिजन्स जी प्रतिमांमधून वस्तू, दोष आणि नमुने शोधते): ड्रोन बॉडी स्कॅनिंग, बोरस्कोप इमेज ॲनालिसिस, ऑटोमॅटिक डिफेक्ट मार्किंगसह आहे. या युनिटमध्ये, व्हिज्युअल तपासणी आणि एनडीटी (नॉन-डिस्ट्रक्टिव्ह टेस्टिंग, भागाला इजा न करता अंतर्गत/पृष्ठभागातील दोष शोधण्याच्या पद्धती) मध्ये AI डोळ्यावरील ओझे कसे सामायिक करते हे आम्ही कव्हर करू, परंतु निर्णय अद्याप अधिकृत निरीक्षकावर का आहे.

व्हिज्युअल तपासणी आणि NDT मूलभूत

व्हिज्युअल तपासणी सामान्य (GVI) किंवा तपशीलवार (DVI) असू शकते; हे उघड्या डोळ्यांनी, भिंगाने किंवा बोरस्कोपने केले जाते. NDT पद्धतींमध्ये असे दोष आढळतात जे उघड्या डोळ्यांनी पाहिले जाऊ शकत नाहीत:

  • एडी करंट (एडी करंट — इलेक्ट्रोमॅग्नेटिकली पृष्ठभाग/सबसर्फेस क्रॅक शोधते),
  • प्रचंड कंपनसंख्या असलेल्या (ध्वनिलहरी) (अल्ट्रासोनिक - ध्वनी लहरीसह अंतर्गत दोष/जाडी मोजते),
  • डाई पेनिट्रंट (लिक्विड पेनिट्रंट - रंगीत द्रवाने पृष्ठभागावरील क्रॅक दृश्यमान बनवते),
  • चुंबकीय कण (चुंबकीय कण - फेरोमॅग्नेटिक पृष्ठभागावरील क्रॅक),
  • रेडियोग्राफी (रेडियोग्राफी - एक्स-रे सह अंतर्गत रचना).

NDT ला प्रमाणित कर्मचारी आवश्यक आहेत (उदा. NAS 410 / EN 4179 स्तर 1/2/3). हा असा आदेश आहे जो AI कधीही घेऊ शकत नाही. AI प्रतिमेमध्ये एक चिन्ह काढू शकते; प्रमाणित परीक्षक ते चिन्ह वास्तविक दोष (संबंधित संकेत) आहे की खोटे/गैर-संबंधित संकेत आहे हे ठरवतो.

संगणक दृष्टी कुठे उपयुक्त आहे?

पुनरावृत्ती होणा-या आणि मोठ्या पृष्ठभागाच्या कार्यांमध्ये संगणकाची दृष्टी शक्तिशाली असते जेथे दृश्य तपासणी दरम्यान मानवी डोळा थकतो:

  1. मोठ्या पृष्ठभागाचे पूर्व-स्कॅनिंग: स्कॅनिंग फ्यूजलेज, विंग आच्छादन, ड्रोन/कॅमेराद्वारे विजेचे नुकसान; संशयास्पद क्षेत्र चिन्हांकित करणे.
  2. बोरस्कोप प्रतिमा समर्थन: आतील इंजिन विंगचे नुकसान, दहन कक्ष नियंत्रणातील संशयास्पद फ्रेम हायलाइट करणे.
  3. बदल ओळख: समान क्षेत्राच्या मागील आणि वर्तमान प्रतिमेची तुलना करणे आणि नवीन नुकसान चिन्हांकित करणे.
  4. मापन समर्थन: नुकसान आकाराचे अंदाजे स्केलिंग (अचूक मापन हे उपकरण आहे).
  5. रेकॉर्डिंग/टॅगिंग: सापडलेल्या संकेतांच्या स्थानाचे दस्तऐवजीकरण करण्यात मदत.

हा प्री-स्क्रीनिंग आणि अटेन्शन रूटिंगचा एक स्तर आहे. "इकडे पहा," तो म्हणतो; "हा एक क्रॅक आहे आणि तो मर्यादा बंद आहे" असे म्हणत नाही. तो निर्णय SRM/AMM मर्यादा आणि परीक्षकांच्या व्याख्यावर आधारित आहे.

खबरदारी: संगणकाच्या दृष्टीची द्वि-मार्ग त्रुटी गंभीर आहे. खोटे नकारात्मक (खरा दोष गहाळ) थेट सुरक्षा धोका आहे; केवळ प्रणाली "क्लीअर" म्हटल्याने परीक्षा संपत नाही. फॉल्स पॉझिटिव्ह (अस्तित्वात नसलेला दोष चिन्हांकित करणे) अनावश्यक विघटन आणि खर्च तयार करते. म्हणून, संगणकाची दृष्टी मानवी तपासणीला पूरक आहे, बदलू शकत नाही.

निर्णय व्यक्तीकडे का राहतो?

प्रतिमेतील गडद रेषा क्रॅक, स्क्रॅच, तेल चिन्ह, पेंट दोष किंवा प्रकाश प्रतिबिंब असू शकते. मॉडेल काही विशिष्ट परिस्थितींमध्ये चुकीचे आहेत (प्रकाश, कोन, पृष्ठभागाची स्थिती). शिवाय, एखादा संकेत स्वीकार्य आहे की नाही (मर्यादेत, कोणत्या झोनमध्ये, पुन्हा) हा अभियांत्रिकी निर्णय आहे आणि मंजूर मर्यादा कागदपत्रांवर अवलंबून आहे. AI कायदेशीररित्या मर्यादा लागू करू शकत नाही किंवा त्याच्याकडे प्रमाणपत्र नाही. त्यामुळे प्रवाह नेहमीच असा असतो: AI गुण → परीक्षक पडताळणी करतात → मर्यादा दस्तऐवज → अधिकृत चिन्हांवर निर्णय घेतात.

टीप: "मोनो-आय" म्हणून नव्हे तर "डोळ्यांची दुसरी जोडी" म्हणून संगणक व्हिजन आउटपुट वापरा. सर्वोत्कृष्ट परिणाम दुहेरी-स्तर तपासणीमध्ये आहेत, जेथे मशीन पकडते की मनुष्य काय चुकवू शकतो आणि मशीन काय चुकीचे चिन्हांकित करते.

तीन लहान प्रकरणे

केस 1 - ड्रोन स्कॅनिंगने लक्ष वळवले. फ्युसेलेज वरच्या पृष्ठभागाच्या तपासणीदरम्यान, ड्रोन प्रतिमा संगणकाच्या दृष्टीसह स्कॅन केल्या गेल्या आणि दोन संशयास्पद क्षेत्रे चिन्हांकित केली गेली. परीक्षकाने या दोन क्षेत्रांचा तपशीलवार आढावा घेतला: एक तेलाचा ट्रेस होता (गैर-संबंधित), दुसरा म्हणजे वास्तविक विजेच्या नुकसानाची सुरुवात. मोठ्या पृष्ठभागाच्या क्षेत्रावरील डोळ्यांच्या स्कॅनिंगचे तास लक्ष्यित तपासणीसाठी कमी केले गेले आहेत; खरे नुकसान लवकर झाले.

केस 2 - खोट्या सकारात्मक शिकार. बोरस्कोप विश्लेषणामध्ये, सिस्टमने टर्बाइन ब्लेडमध्ये "क्रॅक" दर्शविला. जेव्हा प्रमाणित परीक्षकाने ते मोठे केले आणि कोन बदलला तेव्हा त्याने पाहिले की ते पृष्ठभागावरील ठेव आहे आणि क्रॅक नाही. एक अनावश्यक इंजिन वेगळे करणे (खूप उच्च किंमत + नवीन त्रुटींचा धोका) प्रतिबंधित केले गेले. प्रणालीने ते चिन्हांकित केले, मानवाने ते योग्यरित्या वाचले.

केस 3 - शिस्त विरुद्ध खोटे नकारात्मक. विंग अंडरसरफेस स्कॅनवर प्रणाली "स्पष्ट" होती, ते म्हणाले. इन्स्पेक्टरने अजूनही हाताने आणि भिंगाच्या सहाय्याने गंभीर संयुक्त क्षेत्राची प्रक्रियात्मकरित्या तपासणी केली आणि त्याला गंजण्याची सूक्ष्म सुरुवात आढळली. "तो म्हणाला सिस्टम क्लियर आहे" परीक्षा संपली नाही; शिस्तीने चुकलेली चूक पकडली.

चार कॉपी करण्यायोग्य टेम्पलेट्स

भूमिका: व्हिज्युअल तपासणी पूर्व-स्क्रीनिंग सहाय्यक. कार्य: खालील प्रतिमा/क्षेत्रात लक्ष देण्याची गरज असलेल्या संशयास्पद बिंदूंना चिन्हांकित करा आणि प्रत्येकासाठी संभाव्य स्पष्टीकरण (क्रॅक? स्क्रॅच? गंज? चिन्ह?) द्या. नियम:- दोषाचा निश्चित निर्णय घ्या; "संशयास्पद, पुष्टी केली पाहिजे" भाषा वापरा. - SRM/AMM मध्ये स्वीकृती मर्यादा परिभाषित केली आहे आणि परीक्षक निर्णय घेईल हे सांगा. प्रतिमा/संदर्भ: [वर्णन किंवा दृश्य]

भूमिका: डिटेक्शन असिस्टंट बदला. कार्य: त्याच क्षेत्राच्या मागील आणि सध्याच्या स्थितीची तुलना करा आणि नव्याने तयार होणारी/वाढणारी ठिकाणे चिन्हांकित करा. नियम: प्रकाश/कोनातील फरक दिशाभूल करणारा असू शकतो याकडे लक्ष द्या; अचूक मापन आणि निर्णय. इनपुट: [मागील/वर्तमान व्याख्या]

भूमिका: NDT पद्धत निवड सल्लागार. कार्य: खालील संभाव्य दोष प्रकार आणि स्थानासाठी कोणती NDT पद्धत योग्य असेल आणि का ते स्पष्ट करा. नियम: पद्धत लागू करण्यासाठी प्रमाणित कर्मचारी आवश्यक आहेत आणि स्वीकृती निकष संबंधित तपशीलामध्ये आहेत हे सांगा. परिस्थिती: [दोष प्रकार + साहित्य + स्थान]

भूमिका: संकेत रेकॉर्डिंग/लेबलिंग सहाय्यक. कार्य: स्थान, प्रकार, आकार (अंदाज), फोटो संदर्भासह संरचित रेकॉर्डमध्ये खालील तपासणीचे भाषांतर करा. नियम: "अंदाज" राखून ठेवा; स्वीकृत/नाकार खंड रिक्त सोडा, ते परीक्षकाचे आहे. शोधणे: [कच्ची टीप]

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत: "या फोटोमध्ये काही क्रॅक आहेत का, विमान उडू शकते का?"

एकाच आउटपुटसह निदान आणि वायुयोग्यता निर्णय दोन्ही आवश्यक आहे; दोघेही प्रमाणित निरीक्षक आणि मर्यादित दस्तऐवज नोकऱ्या आहेत.

Güçlü: "या क्षेत्राच्या प्रतिमेमध्ये संशयास्पद बिंदू चिन्हांकित करा आणि प्रत्येकासाठी संभाव्य स्पष्टीकरण द्या (क्रॅक/स्क्रॅच/गंज/चिन्ह). अंतिम निर्णय घेऊ नका, 'पडताळणी करणे आवश्यक आहे' असे सांगा; स्वीकृती मर्यादा SRM मध्ये आहे आणि निर्णय परीक्षकाचा आहे असे सांगा. प्रकाश/कोन दिशाभूल करणारा दर्शवा."

हे प्रॉम्प्ट AI ला प्री-स्क्रीनिंग भूमिकेत ठेवते आणि निर्णय माणसावर सोडते.

सारणी: व्हिज्युअल/एनडीटी परीक्षेत भूमिका वितरण

पाऊल

संगणक दृष्टी / AI

मानव (परीक्षक)

मोठ्या पृष्ठभागाचे स्कॅनिंग

संशयास्पद क्षेत्र चिन्हे

लक्ष्यित तपशीलवार परीक्षा

संकेत टिप्पणी

संभाव्य स्पष्टीकरण सुचवते

संबंधित/गैर-संबंधित निर्णय

आकार

अंदाजे स्केल

कॅलिब्रेटेड मापन

स्वीकार/नाकारणे

- (करू शकत नाही)

दस्तऐवज + तरतूद मर्यादित करा

स्वाक्षरी/नोंदणी

मसुदा मदत

प्रमाणित स्वाक्षरी

सामान्य चुका

  • "सिस्टीमने स्पष्ट सांगितले" अशी परीक्षा संपवली. खोटे नकारात्मक सुरक्षा धोका आहे.
  • दोषासाठी चिन्ह चुकणे. संबंधित/गैर-संबंधित मधील फरक परीक्षकावर अवलंबून आहे.
  • अचूक मापन म्हणून अंदाजे आकार वापरणे. स्वीकृतीचा निर्णय कॅलिब्रेटेड मापनावर आधारित आहे.
  • प्रमाणपत्राशिवाय एनडीटीचा अर्थ लावणे. अधिकृतता आणि स्वीकृती निकष तपशीलावर अवलंबून असतात.
  • प्रकाश/कोनाच्या भ्रमाकडे दुर्लक्ष करणे. हे खोटे सकारात्मक/नकारात्मक उत्पन्न करते.

सारांशात

व्हिज्युअल इन्स्पेक्शन आणि NDT हे सुरक्षा-गंभीर दोष शोधणारे आहेत, आणि कॉम्प्युटर व्हिजन हा एक शक्तिशाली प्री-स्क्रीनिंग लेयर आहे जो डोळ्यांचा भार सामायिक करतो: मोठे पृष्ठभाग स्कॅन करणे, बदल चिन्हांकित करणे, लक्ष निर्देशित करणे. पण चिन्ह निवाडा नाही; संबंधित/गैर-संबंधित फरक, आकार मापन आणि स्वीकृती/नाकार निर्णय प्रमाणित निरीक्षक आणि मर्यादा दस्तऐवजांचा आहे. सर्वोत्तम परिणाम डबल-लेयर परीक्षेत आहेत, जेथे मशीन आणि मानव एकमेकांचे अंधत्व झाकतात.

अर्ज कार्य

परीक्षा परिस्थिती निवडा (फोटो किंवा वर्णन). पहिल्या टेम्प्लेटसह संशयास्पद स्पॉट्स AI चिन्हांकित करा. मग प्रत्येक चिन्हासाठी स्वत: साठी ठरवा: संबंधित, गैर-संबंधित, कोणती SRM/AMM मर्यादा तपासली पाहिजे? एआयने चुकलेल्या किंवा चुकीच्या पद्धतीने चिन्हांकित केलेल्या गुणांची यादी करा आणि "डबल-लेयर तपासणी" मूल्यांकन लिहा.

चेकलिस्ट

  • [ ] मी संगणक व्हिजन आउटपुटचा वापर प्राथमिक तपासणी म्हणून केला आहे, निर्णय म्हणून नाही.
  • जरी "सिस्टम स्वच्छ आहे" असे म्हटले असले तरी, मी स्वतः गंभीर क्षेत्रे तपासली.
  • [] मी परीक्षक म्हणून संबंधित/गैर-संबंधित निर्णय घेतला.
  • [ ] मी आकार/स्वीकृती निर्णय कॅलिब्रेटेड मापन आणि मर्यादा दस्तऐवजावर आधारित आहे.
  • [ ] मी NDT टिप्पणीसाठी प्रमाणपत्र प्राधिकरणाचे निरीक्षण केले.
  • [ ] मी प्रकाश/कोन-संबंधित विकृती विचारात घेतल्या.